CN117037982A - 一种医疗大数据信息智能采集方法及系统 - Google Patents
一种医疗大数据信息智能采集方法及系统 Download PDFInfo
- Publication number
- CN117037982A CN117037982A CN202310296684.3A CN202310296684A CN117037982A CN 117037982 A CN117037982 A CN 117037982A CN 202310296684 A CN202310296684 A CN 202310296684A CN 117037982 A CN117037982 A CN 117037982A
- Authority
- CN
- China
- Prior art keywords
- medical
- data
- interaction data
- information
- medical interaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 118
- 230000002452 interceptive effect Effects 0.000 claims abstract description 29
- 230000003993 interaction Effects 0.000 claims description 348
- 238000012216 screening Methods 0.000 claims description 44
- 238000000611 regression analysis Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
Abstract
本申请提供的一种医疗大数据信息智能采集方法及系统，由于本发明实施例可以根据关键标签信息和指定医疗样本信息以确定医疗交互数据对应的比较结果，以及根据关键标签信息，确定标签匹配情况，如此可以根据对医疗交互数据对应的比较结果和标签匹配情况拼接处理得到的原始拼接后比较结果，全准确地筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，也即全面且准确地筛选出目标用户在需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
Description
技术领域
本申请涉及数据分析技术领域，具体而言，涉及一种医疗大数据信息智能采集方法及系统。
背景技术
随着医疗数据的不断递增，对医疗数据进行处理的工作量越来越大，这样一来，可能导致设备的崩溃。因此，亟需一种技术方案在数据采集过程中进行分析，降低数据的处理量，提高数据处理效率。
发明内容
为改善相关技术中存在的技术问题，本申请提供了一种医疗大数据信息智能采集方法及系统。
第一方面，提供一种医疗大数据信息智能采集方法，所述方法至少包括：获得需要进行分析的医疗交互数据，并行地对所述需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；对所述医疗交互数据标签进行重要信息筛选以确定所述医疗交互数据标签的关键标签信息，所述关键标签信息为所述医疗交互数据标签的用户要素信息；基于所述关键标签信息和指定医疗样本信息，获得所述医疗交互数据标签的医疗交互数据对应的比较结果，所述指定医疗样本信息为事先配置的用于对所述需要进行分析的医疗交互数据中目标用户进行比较的重要数据，所述医疗交互数据对应的比较结果为各个所述医疗交互数据标签对所述需要进行分析的医疗交互数据中目标用户进行比较的信息；基于所述关键标签信息，确定所述医疗交互数据标签之间的标签匹配情况，所述标签匹配情况为所述需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；将所述医疗交互数据对应的比较结果和所述标签匹配情况进行拼接处理以确定原始拼接后比较结果；基于所述原始拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据。
在一种独立实施的实施例中，所述基于所述关键标签信息和指定医疗样本信息，获得所述医疗交互数据标签的医疗交互数据对应的比较结果，包括：基于所述关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度；基于所述指定医疗样本信息，从所述待选比较偏执度挑选出各个医疗交互数据标签的比较偏执度；将各个医疗交互数据标签的所述比较偏执度视为各个医疗交互数据标签的医疗交互数据对应的比较结果。
在一种独立实施的实施例中，所述基于所述关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度，包括：基于所述关键标签信息和指定医疗样本信息，确定所述需要进行分析的医疗交互数据的不少于两个原始关键数据；对所述原始关键数据进行拼接处理以确定所述各个医疗交互数据标签的待选比较偏执度。
在一种独立实施的实施例中，所述基于所述关键标签信息，确定所述医疗交互数据标签之间的标签匹配情况，包括：基于所述关键标签信息和指定医疗样本信息，确定所述医疗交互数据标签之间的待选匹配变量；基于所述关键标签信息，从所述待选匹配变量中挑选匹配变量；基于所述匹配变量，生成所述医疗交互数据标签之间的标签匹配情况。
在一种独立实施的实施例中，所述将所述医疗交互数据对应的比较结果和所述标签匹配情况进行拼接处理以确定原始拼接后比较结果，包括：根据医疗交互数据对应的比较结果对标签匹配情况进行处理以确定处理后比较结果；根据处理后比较结果，确定原始拼接后比较结果。
在一种独立实施的实施例中，所述原始拼接后比较结果包括若干原始拼接后比较结果；所述基于所述原始拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，包括：将所述若干原始拼接后比较结果进行拼接处理以确定目标拼接后比较结果；基于所述目标拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
在一种独立实施的实施例中，所述基于所述目标拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，包括：基于所述目标拼接后比较结果，确定所述需要进行分析的医疗交互数据对应的目标比较医疗交互数据；基于所述目标比较医疗交互数据，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
在一种独立实施的实施例中，所述关键标签信息为采用配置后医疗交互数据处理网络进行重要信息筛选得到的关键数据；所述对所述医疗交互数据标签进行重要信息筛选之前，所述方法还包括：获得医疗交互数据范例簇，所述医疗交互数据范例簇包括不少于一个记录指示的医疗交互数据范例；采用待配置医疗交互数据处理网络对医疗交互数据范例进行压缩以确定压缩后范例关键数据；基于所述压缩后范例关键数据，对所述医疗交互数据范例进行回归分析以确定所述医疗交互数据范例的回归分析结果；基于所述回归分析结果和所述标准数据，对所述待配置医疗交互数据处理网络的网络变量进行更新以确定配置后医疗交互数据处理网络。
第二方面，提供一种医疗大数据信息智能采集系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的一种医疗大数据信息智能采集方法及系统，获得需要进行分析的医疗交互数据，并行地对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息，标签特征为医疗交互数据标签的用户要素信息；根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果，指定医疗样本信息为事先配置的用于对需要进行分析的医疗交互数据中目标用户进行比较的重要数据，医疗交互数据对应的比较结果为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较的信息；根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况，标签匹配情况为需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果；根据原始拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率；由于本发明实施例可以根据关键标签信息和指定医疗样本信息以确定医疗交互数据对应的比较结果，以及根据关键标签信息，确定标签匹配情况，如此可以根据对医疗交互数据对应的比较结果和标签匹配情况拼接处理得到的原始拼接后比较结果，全面且准确地筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，也即全面且准确地筛选出目标用户在需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种医疗大数据信息智能采集方法的流程图。
图2为本申请实施例所提供的一种医疗大数据信息智能采集装置的框图。
图3为本申请实施例所提供的一种医疗大数据信息智能采集系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种医疗大数据信息智能采集方法，该方法可以包括以下步骤step101-step106所描述的技术方案。
step101、获得需要进行分析的医疗交互数据，并行地对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签。
step102、对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息。
其中，关键标签信息可以是指表征医疗交互数据标签特征的信息，举例而言关键标签信息为医疗交互数据标签的用户要素信息。
举例而言，可以对医疗交互数据标签进行语义重要信息筛选以确定医疗交互数据标签的关键标签信息。
本发明实施例对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息的方式有多种，如下：譬如，本发明实施例可以采用现有的相关技术中的人工智能线程对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息。又譬如，本发明实施例可以采用配置后医疗交互数据处理网络对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息。
其中，配置后医疗交互数据处理网络可以为对待配置医疗交互数据处理网络进行配置后得到的网络。本发明实施例可以对待配置医疗交互数据处理网络进行配置，如下所示：譬如，可以获得医疗交互数据范例簇，医疗交互数据范例簇包括不少于一个记录指示的医疗交互数据范例；采用待配置医疗交互数据处理网络对医疗交互数据范例进行压缩以确定压缩后范例关键数据；根据压缩后范例关键数据，对医疗交互数据范例进行回归分析以确定医疗交互数据范例的回归分析结果；根据回归分析结果和标准数据，对待配置医疗交互数据处理网络的网络变量进行更新以确定配置后医疗交互数据处理网络。
step103、根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果。
其中，指定医疗样本信息为事先配置的用于对需要进行分析的医疗交互数据中目标用户进行比较的重要数据。目标用户可以是指需要进行分析的医疗交互数据中待比较的对象。举例而言，指定医疗样本信息可以是预先设置完成的关键数据，该指定医疗样本信息也可以是人工智能线程原始化的关键数据。
其中，医疗交互数据对应的比较结果为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较的信息，医疗交互数据对应的比较结果具体可以表现为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较，譬如，医疗交互数据对应的比较结果表现为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较的比较偏执度，医疗交互数据对应的比较结果的表征形式可以为数值。
本发明实施例根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果的方式可以如p1至p3所描述的内容。
p1、根据关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度。
本发明实施例根据关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度的方式有多种，如下：譬如，指定医疗样本信息包括若干指定医疗样本信息；可以计算关键标签信息和指定医疗样本信息之间的目标相似度以确定各个医疗交互数据标签针对指定医疗样本信息的目标相似度；针对各个医疗交互数据标签，对医疗交互数据标签对应的目标相似度进行归一化处理以确定各个医疗交互数据标签的待选比较偏执度。又譬如，可以根据关键标签信息和指定医疗样本信息，计算需要进行分析的医疗交互数据的不少于两个原始关键数据；对原始关键数据进行拼接处理以确定各个医疗交互数据标签的待选比较偏执度。
其中，本发明实施例根据关键标签信息和指定医疗样本信息，计算需要进行分析的医疗交互数据的不少于两个原始关键数据的方式可以为：获得不少于两个关联线程；针对各个关联线程，采用各个关联线程对关键标签信息和指定医疗样本信息进行关联处理以确定各个关联线程对应的原始关键数据以确定需要进行分析的医疗交互数据的不少于两个原始关键数据。
其中，原始关键数据可以由列表的形式表征，基于此，本发明实施例对原始关键数据进行拼接处理以确定各个医疗交互数据标签的待选比较偏执度可以为：计算不少于两个原始关键数据的平均值以确定各个医疗交互数据标签的待选比较偏执度。
p2、根据指定医疗样本信息，从待选比较偏执度挑选出各个医疗交互数据标签的比较偏执度。
其中，指定医疗样本信息可以与医疗交互数据标签对应的关键标签信息具有对应关系，待选比较偏执度为对关键标签信息与指定医疗样本信息处理后得到的偏执度，基于此，本发明实施例可以指定医疗样本信息，从待选比较偏执度挑选出各个医疗交互数据标签对应的比较偏执度。
p3、将各个医疗交互数据标签的比较偏执度视为各个医疗交互数据标签的医疗交互数据对应的比较结果。
为了能够更加准确地确定出需要进行分析的医疗交互数据中目标用户的目标用户标签，本发明实施例还可以结合医疗交互数据标签之间的标签匹配情况对需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率进行比较。
step104、根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况。
其中，标签匹配情况可以是表征需要进行分析的医疗交互数据中医疗交互数据标签之间匹配的信息，标签匹配情况的表征形式可以为列表。
本发明实施例根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况的方式可以如下：譬如，可以根据关键标签信息和指定医疗样本信息，计算医疗交互数据标签之间的待选匹配变量；根据关键标签信息，从待选匹配变量中挑选匹配变量；根据匹配变量，生成医疗交互数据标签之间的标签匹配情况。其中，根据关键标签信息和指定医疗样本信息，计算医疗交互数据标签之间的待选匹配变量的方式可以为：可以根据关键标签信息和指定医疗样本信息，计算需要进行分析的医疗交互数据的不少于两个参考关键数据；对参考关键数据进行拼接处理以确定医疗交互数据标签之间的待选匹配变量。
参考关键数据可以以列表的形式表征，基于此，本发明实施例对参考关键数据进行拼接处理以确定医疗交互数据标签之间的待选匹配变量可以为：计算不少于两个参考关键数据的平均值以确定医疗交互数据标签之间的待选匹配变量。
step105、将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果。
本发明实施例根据医疗交互数据对应的比较结果和标签匹配情况拼接处理得到的出射拼接后比较结果，可以更全面且准确地在需要进行分析的医疗交互数据中筛选出目标用户标签。原始拼接后比较结果可以是指对医疗交互数据对应的比较结果和标签匹配情况进行拼接处理所得到的信息。
举例而言，医疗交互数据对应的比较结果包括各个医疗交互数据标签对应的比较偏执度，基于此，本发明实施例将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理的方式可以为：可以根据医疗交互数据对应的比较结果对标签匹配情况进行处理以确定处理后比较结果；根据处理后比较结果，确定原始拼接后比较结果。
step106、根据原始拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据。
其中，目标用户医疗数据是指目标用户在需要进行分析的医疗交互数据中的医疗交互数据标签。
其中，原始拼接后比较结果包括若干原始拼接后比较结果，基于此，本发明实施例将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果的方式可以如步骤s1和s2所描述的内容。
s1、将若干原始拼接后比较结果进行拼接处理以确定目标拼接后比较结果。
s2、根据目标拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
本发明实施例根据目标拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率的方式可以如下：譬如，可以根据目标拼接后比较结果，确定需要进行分析的医疗交互数据对应的目标比较医疗交互数据；根据目标比较医疗交互数据，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
本发明实施例可以获得需要进行分析的医疗交互数据，并行地对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息，标签特征为医疗交互数据标签的用户要素信息；根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果，指定医疗样本信息为事先配置的用于对需要进行分析的医疗交互数据中目标用户进行比较的重要数据，医疗交互数据对应的比较结果为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较的信息；根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况，标签匹配情况为需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果；根据原始拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率；由于本发明实施例可以根据关键标签信息和指定医疗样本信息以确定医疗交互数据对应的比较结果，以及根据关键标签信息，确定标签匹配情况，如此可以根据对医疗交互数据对应的比较结果和标签匹配情况拼接处理得到的原始拼接后比较结果，全面且准确地筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，也即全面且准确地筛选出目标用户在需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
一种医疗大数据信息智能采集方法，具体流程如步骤S201-步骤S210所描述的内容。
S201、获得医疗交互数据范例簇。
其中，医疗交互数据范例簇包括不少于一个记录指示的医疗交互数据范例。
S202、采用待配置医疗交互数据处理网络对医疗交互数据范例进行压缩以确定压缩后范例关键数据。
基于上述，本发明实施例对拼接后范例关键数据进行压缩以确定压缩后范例关键数据的方式具体可以包括：将位置关键数据分别和拼接后范例关键数据中的样本关键标签信息和预设分类关键数据一一拼接以确定目标范例关键数据，其中，目标范例关键数据包括携带位置关键数据的样本关键标签信息和携带位置关键数据的预设分类关键数据。
本发明实施例通过待配置医疗交互数据处理网络将目标范例关键数据输入第一标准化层；采用第一标准化层对目标范例关键数据进行重要信息筛选以确定第一范例关键数据；采用多头重要层对第一范例关键数据进行重要信息筛选以确定原始范例关键数据；将原始范例关键数据和目标范例关键数据进行拼接处理以确定第一拼接范例关键数据；采用第二标准化层对第一拼接范例关键数据进行重要信息筛选以确定第二范例关键数据；采用输出层对第二范例关键数据进行重要信息筛选以确定第三范例关键数据；将第三范例关键数据和第一拼接范例关键数据进行拼接处理以确定第二拼接范例关键数据。其中，第二拼接范例关键数据即为上述的压缩后范例关键数据。
S203、根据压缩后范例关键数据，对医疗交互数据范例进行回归分析以确定医疗交互数据范例的回归分析结果。
S204、根据回归分析结果和标准数据，对待配置医疗交互数据处理网络的网络变量进行更新以确定配置后医疗交互数据处理网络。
S205、获得需要进行分析的医疗交互数据，并行地对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签。
本发明实施例对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签的方式可以如下：譬如，采用配置后医疗交互数据处理网络对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签。
S206、采用配置后医疗交互数据处理网络对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息。
S207、根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果。
其中，本发明实施例的指定医疗样本信息是配置后医疗交互数据处理网络原始化的关键数据。
本发明实施例根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果的方式可以如p1至p3所描述的内容。
p1、根据关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度。
本发明实施例根据关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度的方式可以如下：譬如，可以根据关键标签信息和指定医疗样本信息，计算需要进行分析的医疗交互数据的不少于两个原始关键数据；对原始关键数据进行拼接处理以确定各个医疗交互数据标签的待选比较偏执度。
基于上述，本发明实施例根据关键标签信息和指定医疗样本信息，计算需要进行分析的医疗交互数据的不少于两个原始关键数据的方式可以为：获得目标位置关键数据；将关键标签信息和指定医疗样本信息进行拼接以确定目标拼接后关键数据；将目标位置关键数据和目标拼接后关键数据进行拼接以确定拼接后关键数据，其中，目标位置关键数据和目标拼接后关键数据中的子关键数据一一对应，子关键数据包括关键标签信息和指定医疗样本信息；根据拼接后关键数据，确定需要进行分析的医疗交互数据的不少于两个原始关键数据，其中，拼接后关键数据可以包括携带目标位置关键数据的指定医疗样本信息和携带目标位置关键数据的关键标签信息。
p2、根据指定医疗样本信息，从待选比较偏执度挑选出各个医疗交互数据标签的比较偏执度。
其中，指定医疗样本信息可以与医疗交互数据标签对应的关键标签信息具有对应关系，待选比较偏执度为对关键标签信息与指定医疗样本信息处理后得到的偏执度，基于此，本发明实施例可以指定医疗样本信息，从待选比较偏执度挑选出各个医疗交互数据标签对应的比较偏执度。
基于上述，本发明实施例可以从待选比较偏执度集合中的待选比较偏执度挑选出各个医疗交互数据标签的比较偏执度，各个医疗交互数据标签的比较偏执度可以表示为反映了各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较，因此，可以当做医疗交互数据处理网络对每个医疗交互数据标签的响应程度。各个医疗交互数据标签的比较偏执度可以是指指定医疗样本信息对应的各个医疗交互数据标签的比较偏执度。
p3、将各个医疗交互数据标签的比较偏执度视为各个医疗交互数据标签的医疗交互数据对应的比较结果。
S208、根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况。
其中，标签匹配情况可以是表征需要进行分析的医疗交互数据中医疗交互数据标签之间匹配的信息，标签匹配情况的表征形式可以为数值。
本发明实施例根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况的方式可以如下：譬如，可以根据关键标签信息和指定医疗样本信息，计算医疗交互数据标签之间的待选匹配变量；根据关键标签信息，从待选匹配变量中挑选匹配变量；根据匹配变量，生成医疗交互数据标签之间的标签匹配情况。
S209、将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果。
本发明实施例为了能够全面且准确地筛选出目标用户标签，对医疗交互数据对应的比较结果和标签匹配情况进行了结合。
其中，医疗交互数据对应的比较结果包括各个医疗交互数据标签对应的比较偏执度，基于此，本发明实施例将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理的方式可以为：根据医疗交互数据对应的比较结果对标签匹配情况进行处理以确定处理后比较结果；根据处理后比较结果，确定原始拼接后比较结果。
S210、根据原始拼接后比较结果，在需要进行分析的医疗交互数据中筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
在本发明实施例中，配置后医疗交互数据处理网络的各个压缩模块对应有原始拼接后比较结果 也即，原始拼接后比较结果包括若干原始拼接后比较结果，基于此，本发明实施例将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果的方式可以如下：譬如，可以将若干原始拼接后比较结果进行拼接处理以确定目标拼接后比较结果；根据目标拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
基于此，本发明实施例根据目标拼接后比较结果，在需要进行分析的医疗交互数据中筛选出目标用户医疗数据的方式可以如下：譬如，可以根据目标拼接后比较结果，确定需要进行分析的医疗交互数据对应的目标比较医疗交互数据；根据目标比较医疗交互数据，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
进一步地，具体来讲，医疗交互数据对应的比较结果可以以列表表征，基于此，医疗交互数据对应的比较结果包括各个医疗交互数据标签对应的比较偏执度。标签匹配情况可以以列表的形式表征，标签匹配情况对应的列表中的元素包括各个医疗交互数据标签对应的匹配变量，各个医疗交互数据标签对应的匹配变量可视化为第一重要医疗交互数据，第一重要医疗交互数据。
本发明实施例将医疗交互数据对应的比较结果的比较偏执度对各个医疗交互数据标签对应重要医疗交互数据进行处理以确定处理后比较结果。处理后比较结果可以以列表表征。
在本发明实施例中，现有技术对需要进行分析的医疗交互数据进行筛选以确定现有的目标用户标签，本发明实施例对需要进行分析的医疗交互数据进行筛选以确定本发明的目标用户标签。现有的目标用户标签和本发明的目标用户标签的对比，本发明的目标用户标签明显比现有的目标用户标签更全面和更准确，不存在筛选残缺的问题。
本发明实施例可以获得需要进行分析的医疗交互数据，并行地对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息，标签特征为医疗交互数据标签的用户要素信息；根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果，指定医疗样本信息为事先配置的用于对需要进行分析的医疗交互数据中目标用户进行比较的重要数据，医疗交互数据对应的比较结果为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较的信息；根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况，标签匹配情况为需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果；根据原始拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率；由于本发明实施例可以根据关键标签信息和指定医疗样本信息以确定医疗交互数据对应的比较结果，以及根据关键标签信息，确定标签匹配情况，如此可以根据对医疗交互数据对应的比较结果和标签匹配情况拼接处理得到的原始拼接后比较结果，全面且准确地筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，也即全面且准确地筛选出目标用户在需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
在上述基础上，请结合参阅图2，提供了一种医疗大数据信息智能采集装置200，应用于医疗大数据信息智能采集系统，所述装置包括：
标签确定模块210，用于获得需要进行分析的医疗交互数据，并行地对所述需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；
信息确定模块220，用于对所述医疗交互数据标签进行重要信息筛选以确定所述医疗交互数据标签的关键标签信息，所述关键标签信息为所述医疗交互数据标签的用户要素信息；
信息比较模块230，用于基于所述关键标签信息和指定医疗样本信息，获得所述医疗交互数据标签的医疗交互数据对应的比较结果，所述指定医疗样本信息为事先配置的用于对所述需要进行分析的医疗交互数据中目标用户进行比较的重要数据，所述医疗交互数据对应的比较结果为各个所述医疗交互数据标签对所述需要进行分析的医疗交互数据中目标用户进行比较的信息；
信息匹配模块240，用于基于所述关键标签信息，确定所述医疗交互数据标签之间的标签匹配情况，所述标签匹配情况为所述需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；
数据筛选模块250，用于将所述医疗交互数据对应的比较结果和所述标签匹配情况进行拼接处理以确定原始拼接后比较结果；基于所述原始拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
在上述基础上，请结合参阅图3，示出了一种医疗大数据信息智能采集系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，获得需要进行分析的医疗交互数据，并行地对需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；对医疗交互数据标签进行重要信息筛选以确定医疗交互数据标签的关键标签信息，标签特征为医疗交互数据标签的用户要素信息；根据关键标签信息和指定医疗样本信息，获得医疗交互数据标签的医疗交互数据对应的比较结果，指定医疗样本信息为事先配置的用于对需要进行分析的医疗交互数据中目标用户进行比较的重要数据，医疗交互数据对应的比较结果为各个医疗交互数据标签对需要进行分析的医疗交互数据中目标用户进行比较的信息；根据关键标签信息，确定医疗交互数据标签之间的标签匹配情况，标签匹配情况为需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；将医疗交互数据对应的比较结果和标签匹配情况进行拼接处理以确定原始拼接后比较结果；根据原始拼接后比较结果，筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率；由于本发明实施例可以根据关键标签信息和指定医疗样本信息以确定医疗交互数据对应的比较结果，以及根据关键标签信息，确定标签匹配情况，如此可以根据对医疗交互数据对应的比较结果和标签匹配情况拼接处理得到的原始拼接后比较结果，全面且准确地筛选出需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，也即全面且准确地筛选出目标用户在需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种医疗大数据信息智能采集方法，其特征在于，所述方法至少包括：
获得需要进行分析的医疗交互数据，并行地对所述需要进行分析的医疗交互数据进行聚类以确定不少于两个医疗交互数据标签；
对所述医疗交互数据标签进行重要信息筛选以确定所述医疗交互数据标签的关键标签信息，所述关键标签信息为所述医疗交互数据标签的用户要素信息；
基于所述关键标签信息和指定医疗样本信息，获得所述医疗交互数据标签的医疗交互数据对应的比较结果，所述指定医疗样本信息为事先配置的用于对所述需要进行分析的医疗交互数据中目标用户进行比较的重要数据，所述医疗交互数据对应的比较结果为各个所述医疗交互数据标签对所述需要进行分析的医疗交互数据中目标用户进行比较的信息；
基于所述关键标签信息，确定所述医疗交互数据标签之间的标签匹配情况，所述标签匹配情况为所述需要进行分析的医疗交互数据的医疗交互数据标签之间匹配的信息；
将所述医疗交互数据对应的比较结果和所述标签匹配情况进行拼接处理以确定原始拼接后比较结果；基于所述原始拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据。
2.根据权利要求1所述的医疗大数据信息智能采集方法，其特征在于，所述基于所述关键标签信息和指定医疗样本信息，获得所述医疗交互数据标签的医疗交互数据对应的比较结果，包括：
基于所述关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度；
基于所述指定医疗样本信息，从所述待选比较偏执度挑选出各个医疗交互数据标签的比较偏执度；
将各个医疗交互数据标签的所述比较偏执度视为各个医疗交互数据标签的医疗交互数据对应的比较结果。
3.根据权利要求2所述的医疗大数据信息智能采集方法，其特征在于，所述基于所述关键标签信息和指定医疗样本信息，确定各个医疗交互数据标签的待选比较偏执度，包括：
基于所述关键标签信息和指定医疗样本信息，确定所述需要进行分析的医疗交互数据的不少于两个原始关键数据；
对所述原始关键数据进行拼接处理以确定所述各个医疗交互数据标签的待选比较偏执度。
4.根据权利要求1所述的医疗大数据信息智能采集方法，其特征在于，所述基于所述关键标签信息，确定所述医疗交互数据标签之间的标签匹配情况，包括：
基于所述关键标签信息和指定医疗样本信息，确定所述医疗交互数据标签之间的待选匹配变量；
基于所述关键标签信息，从所述待选匹配变量中挑选匹配变量；
基于所述匹配变量，生成所述医疗交互数据标签之间的标签匹配情况。
5.根据权利要求1所述的医疗大数据信息智能采集方法，其特征在于，所述将所述医疗交互数据对应的比较结果和所述标签匹配情况进行拼接处理以确定原始拼接后比较结果，包括：
根据医疗交互数据对应的比较结果对标签匹配情况进行处理以确定处理后比较结果；
根据处理后比较结果，确定原始拼接后比较结果。
6.根据权利要求1所述的医疗大数据信息智能采集方法，其特征在于，所述原始拼接后比较结果包括若干原始拼接后比较结果；所述基于所述原始拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，包括：将所述若干原始拼接后比较结果进行拼接处理以确定目标拼接后比较结果；基于所述目标拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
7.根据权利要求6所述的医疗大数据信息智能采集方法，其特征在于，所述基于所述目标拼接后比较结果，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率，包括：基于所述目标拼接后比较结果，确定所述需要进行分析的医疗交互数据对应的目标比较医疗交互数据；基于所述目标比较医疗交互数据，筛选出所述需要进行分析的医疗交互数据中的目标用户医疗数据，从而能够降低数据的处理量，提高数据处理效率。
8.根据权利要求1所述的医疗大数据信息智能采集方法，其特征在于，所述关键标签信息为采用配置后医疗交互数据处理网络进行重要信息筛选得到的关键数据；所述对所述医疗交互数据标签进行重要信息筛选之前，所述方法还包括：
获得医疗交互数据范例簇，所述医疗交互数据范例簇包括不少于一个记录指示的医疗交互数据范例；
采用待配置医疗交互数据处理网络对医疗交互数据范例进行压缩以确定压缩后范例关键数据；
基于所述压缩后范例关键数据，对所述医疗交互数据范例进行回归分析以确定所述医疗交互数据范例的回归分析结果；
基于所述回归分析结果和所述标准数据，对所述待配置医疗交互数据处理网络的网络变量进行更新以确定配置后医疗交互数据处理网络。
9.一种医疗大数据信息智能采集系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310296684.3A CN117037982A (zh) | 2023-03-24 | 2023-03-24 | 一种医疗大数据信息智能采集方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310296684.3A CN117037982A (zh) | 2023-03-24 | 2023-03-24 | 一种医疗大数据信息智能采集方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117037982A true CN117037982A (zh) | 2023-11-10 |
Family
ID=88643566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310296684.3A Pending CN117037982A (zh) | 2023-03-24 | 2023-03-24 | 一种医疗大数据信息智能采集方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117037982A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117370767A (zh) * | 2023-12-07 | 2024-01-09 | 四川经科企业管理服务有限公司 | 基于大数据的用户信息评估方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109003670A (zh) * | 2018-06-29 | 2018-12-14 | 武汉圣大东高科技有限公司 | 大数据医疗信息处理方法、系统、终端设备及存储介质 |
| US20220020457A1 (en) * | 2020-07-17 | 2022-01-20 | Hitachi, Ltd. | Medical data evaluation utilization system and medical data evaluation utilization method |
| CN115732050A (zh) * | 2022-09-26 | 2023-03-03 | 刘永皓 | 一种医疗大数据信息智能采集方法及系统 |
-
2023
- 2023-03-24 CN CN202310296684.3A patent/CN117037982A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109003670A (zh) * | 2018-06-29 | 2018-12-14 | 武汉圣大东高科技有限公司 | 大数据医疗信息处理方法、系统、终端设备及存储介质 |
| US20220020457A1 (en) * | 2020-07-17 | 2022-01-20 | Hitachi, Ltd. | Medical data evaluation utilization system and medical data evaluation utilization method |
| CN115732050A (zh) * | 2022-09-26 | 2023-03-03 | 刘永皓 | 一种医疗大数据信息智能采集方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117370767A (zh) * | 2023-12-07 | 2024-01-09 | 四川经科企业管理服务有限公司 | 基于大数据的用户信息评估方法及系统 |
| CN117370767B (zh) * | 2023-12-07 | 2024-02-27 | 四川经科企业管理服务有限公司 | 基于大数据的用户信息评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115732050A (zh) | 一种医疗大数据信息智能采集方法及系统 | |
| CN111143226B (zh) | 自动化测试方法及装置、计算机可读存储介质、电子设备 | |
| CN113378554B (zh) | 一种医疗信息智能交互的方法及系统 | |
| CN113918937B (zh) | 一种基于大数据的非法事件识别方法及系统 | |
| CN117037982A (zh) | 一种医疗大数据信息智能采集方法及系统 | |
| CN116737975A (zh) | 应用于图像分析的公共卫生数据查询方法及系统 | |
| CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
| CN115641176B (zh) | 一种数据分析方法及ai系统 | |
| CN115514570B (zh) | 一种网络诊断处理方法、系统及云平台 | |
| CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
| CN115473822B (zh) | 一种5g智能网关数据传输方法、系统及云平台 | |
| CN114779923A (zh) | 一种基于超声波的vr仿真场景定位方法及系统 | |
| CN115756576B (zh) | 软件开发包的翻译方法及软件开发系统 | |
| CN114329116A (zh) | 基于人工智能的智慧园区资源匹配度分析方法及系统 | |
| CN115563153B (zh) | 基于人工智能的任务批量处理方法、系统及服务器 | |
| CN115409510B (zh) | 一种在线交易安全系统及方法 | |
| CN116912351B (zh) | 基于人工智能的颅内结构成像的修正方法及系统 | |
| CN113626559B (zh) | 基于语义的网络文档智能检索的方法及系统 | |
| CN114358420B (zh) | 基于产业生态的业务工作流程智能优化方法及系统 | |
| CN113643701B (zh) | 一种智能识别语音控制家居的方法及统 | |
| US11720586B2 (en) | Automatic conversion of data within data pipeline | |
| CN115079882B (zh) | 基于虚拟现实的人机交互处理方法及系统 | |
| CN113611425B (zh) | 基于软件定义的智能化区域医疗集成数据库的方法及系统 | |
| CN116156279A (zh) | 一种基于人工智能的短视频传输处理方法及系统 | |
| CN116185963A (zh) | 一种电力数据文件的处理系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |